Exciting Papers and Projects from Google (요약)

원문출처: https://medium.com/syncedreview/exciting-papers-and-projects-from-google-f32fdd727603

이 문서는 갑작스럽게 추가됐는데, Google 이 하고 있는 재밌는 프로젝트 목록이라고 해서 관심이 생겼어요.

요약: 이번주 뉴스 트랜드 같아 보여요. 이 기사를 만든 Synced Review가 훌륭한 기사(article) 원천지로는 보이지 않기에 다른 좋은 곳을 리서치 해야겠다는 생각입니다. 그래도 요약한 게 아까워서 포스팅.

구글의 새해 기념 깜짝공개 AI

청각장애인을 위한 Live 해석 서비스를 제공합니다. 컬러는 해석 결과의 신뢰 구간을 의미합니다.

원문은 여기에 있습니다: https://ai.googleblog.com/2019/02/real-time-continuous-transcription-with.html

Federated Learning 기법 소개

Federated Learing은 분산 기계학습 훈련(training) 시스템입니다. 연구진들은 Tensorflow 기반의 모바일 장비에서 Federated Learing이 돌아가는 구조를 완성했습니다.

논문 소개: https://arxiv.org/pdf/1902.01046.pdf

Soft Nearest Neighbor Loss를 사용하여 Representation 성능을 향상

Representation space에서 클래스가 많을 때, 각 클래스간 거리에 따라 loss 를 설명할 수 있는 도구를 개발했습니다. 이것은 학습 도중에 class 유사도 구조가 어떻게 변화하는지 인사이트를 제공할 것입니다. Geoffrey Hinton, Google Brain에서 출시

하나비 챌린지

하나비 챌린지는 딥마인드에서 만들어낸 강화학습 기반 학습 플랫폼입니다. 이것은 멀티 에이전스 학습(해법이 여러갈래인 문제)에 사용됩니다.

오픈소스 ClusterFuzz

퍼징(Fuzzing)이란 시험 대상이 되는 프로그램에 예상치 못한 인풋을 넣고 작동하는지, 버그가 발생하는지 발견하는 소프트웨어입니다. 이것은 메모리 오염(Memory corruption)을 찾는데 유리하고, 메모리 오염은 심각한 보안 취약점입니다. 퍼징을 수동으로 하는 것은 시간 소모적일 뿐 아니라 몹시 어렵습니다. 또한 이 버그는 심각성에 비해 코드 리뷰도 잘 피해갑니다. 따라서 이것을 공개하고 개발하는 것은 중요한 일입니다.

출처: https://opensource.googleblog.com/2019/02/open-sourcing-clusterfuzz.html

Facebook이 Cross-Lingual Language Model 프리트레이닝을 개선

페이스북 연구진들은 XLMs(Cross-lingual language models)를 프리트레이닝 하는 두 가지 방식을 소개했습니다. 이것은 다국어를 기계학습하는 방식입니다.

출처: https://medium.com/@Synced/facebook-boosts-cross-lingual-language-model-pretraining-performance-872ff7b557e0

광고
소고

장미라는 이름을 바꾸어 불러도 향기는 그대로 남는다

답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 /  변경 )

Google+ photo

Google+의 계정을 사용하여 댓글을 남깁니다. 로그아웃 /  변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 /  변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 /  변경 )

%s에 연결하는 중